本公开提供了一种基于深度学习的物体宏观物理属性预测方法及系统，包括：基于给定的变形方式及几何微结构，获得变形后的等效基材料属性以及体素化微结构单元；基于预先训练的深度学习模型及获取的变形后的等效基材料属性和体素化微结构单元，获得每个微结构单元体素在受到多方向单位应变下的位移；基于所述位移，获得变形几何微结构的物理性质指标；其中，所述深度学习模型基于U‑Net网络结构，包括顺序连接的卷积块、上采样块以及卷积层，所述卷积块包括顺序连接的第一卷积层、第一归一化处理模块、激活函数、第二卷积层、第二归一化处理模块及激活函数；所述模型的输入为四维向量，第一维为变形后的等效基材料属性，其余三维为体素化微结构单元。